GRAFICA DE LA FRACCION

DEFECTUOSA

1
 GRAFICO DE p

Se conoce también por otros nombres:

Fracción de Artículos Defectuosos

Fracción Defectuosa
Fracción Disconforme

2
La fracción de disconformes se define como el cociente del
número de artículos disconformes en una población entre el
total de artículos que contiene la misma

Los artículos pueden tener varias características de calidad que

el inspector examinan simultáneamente

Si no está conforme con el estándar de una o más de tales

características, se clasificará como disconforme

Generalmente se utiliza la fracción, pero en ocasiones se utiliza

el porcentaje de defectuosos

3
A menudo es deseable clasificar un producto como
defectuoso o no defectuoso sobre la base de una
comparación con un estándar.

Esta clasificación usualmente se hace para lograr

economía y simplicidad en la operación de inspección

A menudo, estas Graficas requieren un tamaño de

muestra considerablemente mayor que sus contrapartes
donde intervienen mediciones

4
También aquí se recogerán de 20 a 30 muestras de tamaño suficiente para que
se observe en cada una alguno de los resultados defectuosos, lo que hace que
el tamaño de muestra necesario sea tanto mayor cuanto menor sea dicha
proporción

Antes de que se defina el tamaño del subgrupo se debe efectuar algunas

observaciones preliminares a fin de tener una idea aproximada de la
proporción de no conformidad}

Aunque se acostumbra trabajar con la fracción de disconformes, se podría

también analizar con la misma facilidad, la fracción de conformes, lo que da
como resultado un diagrama de control para el rendimiento del proceso

5
La fracción disconforme muestral se define por:

pˆ i  Di / n
Donde la distribución de la variable aleatoria p̂ se obtiene a
partir de la distribución binomial
Entonces la media y la varianza de p̂
se expresa por:

 pˆ  p
  p (1  p ) / n
2
pˆ
6
Fundamentos
El diagrama de la fracción de disconformes se basa en la
Distribución de probabilidad Binomial
Si el proceso de producción funciona de manera estable, de tal
forma que la probabilidad de que cualquier artículo no esté
conforme con las especificaciones es p y que los artículos
producidos sucesivamente son independientes, entonces cada
artículo producido es una variable aleatoria de Bernoulli, con
parámetro p
Si se selecciona una muestra aleatoria de n artículos del
producto y D representa el número de artículos no conformes,
entonces D tiene una distribución binomial con parámetros n y p

PD  x   C n, x  p x (1  p) n  x
x  0,1,2........n

7
Supóngase que D es el número de unidades defectuosas en
una muestra aleatoria de tamaño n, y que D es una variable
aleatoria binomial con parámetro p desconocido. La
fracción de artículos defectuosos en la muestra es un D
estimador de p, esto es, ˆ 
p
n
1 m
p 
Supóngase que se tiene m muestras
preliminares cada una de tamaño n, y Di
sea Di el numero de artículos mn i 1
defectuosos entonces

D i
Si las m muestras no son de igual tamaño, p i 1
m
entonces:
n
i 1
i

Es un estimador de la fracción
p defectuosa en la población
8
 Construcción del Gráfico

• Identifique el proceso o máquina que causa problemas

•Efectuar la clasificación de las no conformidades( se puede utilizar
un Pareto)
• SELECCIONE las características de calidad
• Identifique el tipo de gráfico que se debe usar
• Establezca el tamaño del subgrupo y el método que se va a emplear
• Establezca el número de muestras m que se tomarán y el intervalo
de muestreo
• Diseñe la hoja de verificación para la toma de las observaciones

9
 Construcción del Gráfico………

•Efectúe la recolección de los datos de acuerdo al formato

previamente diseñado
•Efectúe los cálculos preliminares
•Calcule los límites de control
•Construya el gráfico
•Analice el gráfico: realice las iteraciones necesarias
•Dar seguimiento al gráfico

10
 Tamaño de Muestra Variable
Hoja de Verificación

Datos Importantes Datos Importantes

Datos Importantes Datos Importantes
Número de Número Total Fracción Muestral
Muestra Tamaño de Muestra de Disconformes de Disconfomes

1 n1 D1
2 n2 D2
3 n3 D3
4 n4 D4
.
.
.
.
.

m nm Dm
11
 Tamaño de Muestra Variable

Hoja de Verificación
pˆ i  Di / ni
Datos Importantes Datos Importantes
Datos Importantes Datos Importantes
Número de Número Total Fracción Muestral m
Muestra Tamaño de Muestra de Disconformes de Disconfomes
D
D i
n1 D1 p i 1
1
1 n 1
n

n
D 2
2 n2 D2 n 2 i
D i 1
3 n3 D3 3
n
D
3
o
4
4 n4 D4 n 4 m
.
.  pˆ i
. p i 1
.
.
m
D m
m nm Dm n m
12
 Tamaño de Muestra Constante

Muestra
Número Total Fracción Muestral
Tamaño de Muestra de Disconformes de Disconfomes
pˆ i  Di / n
D 1
1 n D1 n
1 m

D
2 n D2 2
n p Di
mn i 1
D 3
3 n D3 n
D 4
4 n D4 n 4
. m
.
.  pˆ i
.
.
p i 1
m
D
m n Dm m
n

13
 Cálculo de los Límites de Control

Casos a Considerar

Tamaño de
muestra puede
•Cuando la fracción defectuosa p
ser: es desconocida
Constante •Cuando la fracción defectuosa p
Variable es conocida

14
 Caso A
Cuando la fracción
defectuosa p es
desconocida

15
 1. Tamaño de Muestra Variable

Cuando la muestra es una inspección del 100%

del rendimiento del proceso durante algún
periodo, se podrían producir cantidades
diferentes de artículos en cada periodo

En el caso de que los tamaños de cada muestra

difieran, también lo hace el valor de la desviación
típica, de tal manera que para cada porcentaje
representado en la gráfica varían los límites de
control, los cuales no serán ya una línea horizontal
sino una línea escalonada.
16
 Método 1 LIMITES DE CONTROL

Se determina para p (1  p )
cada muestra LIC  p  3
individual límites de ni
control basados en
el tamaño de
muestra específico LCC  p
m

D i
p (1  p )
p i 1
m LSC  p  3
n
i 1
i
ni
17
 Método 2 LIMITES DE CONTROL
p (1  p )
Se calcula un tamaño
de muestra promedio y
LIC  p  3
con ese valor se
n
calculan los límites de
control

LCC  p
m

n i
n i 1
m
p (1  p )
LSC  p  3
m

D i
p i 1
m
n
n
i 1
i

18
Cuando los límites de control se basan en el
tamaño promedio se debe tomar en cuenta:
Que los tamaños muestrales no serán muy
diferentes
Los límites de control serán constantes
CRITERIO DE GRANT

19
2.Tamaño de Muestra Constante

p (1  p )
LIC  p  3
n

LCC  p

p (1  p )
LSC  p  3
n
20
 Caso B
Cuando la fracción
defectuosa p es
conocida
Si se conoce la fracción defectuosa p de la población
relacionada con la variable en estudio, los límites de
control del gráfico de la fracción defectuosa están en
función de dicho valor p

21
1. Tamaño de Muestra Variable

22
 Método 1 Cálculo de Límites de Control

Se determina para cada p(1  p)

muestra individual LIC  p  3
límites de control ni
basados en el tamaño
de muestra específico
LCC  p

p(1  p)
LSC  p  3
ni

23
 Método 2 LIMITES DE CONTROL

p(1  p)
Se calcula un tamaño
de muestra promedio y LIC  p  3
con ese valor se n
calculan los límites de
control

LCC  p
m

n i
n i 1
m

p(1  p)
m

D
p i 1
i
LIC  p  3
n
m

i
n
i 1
24
2. Tamaño de Muestra Constante

25
Cálculo de Límites de Control

p(1  p)
LIC  p  3
n

LCC  p

p(1  p)
LSC  p  3
n
26
El manejo de este diagrama consiste en tomar muestras
subsecuentes de n unidades, calcular la fracción muestral
disconforme y graficar la estadística p̂ en el diagrama.
p̂

Mientras p̂ quede entre los límites de control y la sucesión

de puntos ubicados no exhiba un patrón sistemático, se
concluye que el proceso está bajo control, al nivel p.
Si un punto queda fuera de los límites de control, o si se
observa un patrón no aleatorio entre los puntos, habrá que
concluir que la fracción de disconformes del proceso cambió
hacia un nuevo nivel y que el proceso está fuera de control

27
 ANALISIS DE UN GRAFICO DE p

Se debe tomar en cuenta:

1. La situación del proceso con respecto a si mismo:
• Muestras sobre el límite superior de control
• Muestras bajo el límite inferior de control
• Tendencias
2. El control del proceso con respecto a las
especificaciones

28
Si existen muestras sobre el LCS es necesario eliminarlas y recalcular una
nueva fracción promedio con sus respectivos límites de control
Con estos nuevos límites se debe revisar de nuevo si existen puntos fuera
de control
Si los hay, se recalculan de nuevo la fracción y sus respectivos límites
Si se elimina más del 40% de las muestras, el estudio pierde validez
estadística y por lo tanto no es conveniente continuar
Se deben introducir mejoras que reduzcan el porcentaje defectuosos y
repetir el análisis con nueva información

29
Las muestras que se encuentran bajo el LIC no deben eliminarse, pero sí
investigar las razones de tal situación, pues podría ser un caso especial digno de
tratar con cuidado.
Dentro de las posibles causas que se pueden detectar se tienen, desde el punto
de vista optimista, mejoras considerables en el nivel del proceso, o desde el
punto de vista pesimista, inspección que no se ejecuta correctamente, por
razones de falta de entrenamiento o negligencia
Si se detectan situaciones favorables se deben establecer mecanismos que
permitan la aplicación efectiva de los medios que generan una baja fracción
defectuosa
Si ocurren situaciones indeseables, se deben ejercer de inmediato las acciones
del caso con el fin de eliminar totalmente las causas respectivas

30
Si hay tendencias de pendiente positiva, se debe dar un
seguimiento estricto al proceso, con el fin de tomar acciones
preventivas que eviten que la fracción defectuosa, de un
momento a otro supere el LCS
Si hay tendencias negativas implica una mejora en el proceso.
De todas formas se deben investigar las causas para estar
seguros de que son de carácter beneficioso y no perjudicial

31
Si no se cumplen con las especificaciones se deben
introducir mejoras que disminuyan la fracción
defectuosa o pactar una nueva fracción con el
cliente si es posible.
Esto último es la única opción que queda cuando se
tiene certeza de que el proceso no tiene posibilidad
de mejora

32